主页 / 问题 / 1238535
Accepted
Jazzis
Asked:2022-02-01 17:42:31 +0000 UTC2022-02-01 17:42:31 +0000 UTC

如何将值从第一次出现传播到重复出现？

  • 772

我有一个这样的数据框：

            from           to  incident            check_string  occurrences
npp
1    00001234567  01011234567     12345  0000123456701011234567            1
2    00001234567  01011234567     45678  0000123456701011234567            2
3    00001234567  01011234567     45678  0000123456701011234567            3
4    00001234567  01011234567     45678  0000123456701011234567            4
5    00001234568  01011234568     81289  0000123456801011234568            1
6    00001234568  01011234568     27811  0000123456801011234568            2
7    00001234568  01011234568     27811  0000123456801011234568            3

我需要incident第一次出现的值occurrences == 1分布在重复出现的字符串check_string中，即 where occurrences > 1。可能有也可能没有重复的行。我这样做：

def distribute(row):
    return df2['incident'][df2['check_string'] == row['check_string']].item()

df2 = df[['check_string', 'incident']][df['occurrences'] == 1]

df['incident_src'] = df.apply(lambda row: distribute(row), axis=1)

结果如下：

            from           to  incident            check_string  occurrences  incident_src
npp
1    00001234567  01011234567     12345  0000123456701011234567            1         12345
2    00001234567  01011234567     45678  0000123456701011234567            2         12345
3    00001234567  01011234567     45678  0000123456701011234567            3         12345
4    00001234567  01011234567     45678  0000123456701011234567            4         12345
5    00001234568  01011234568     81289  0000123456801011234568            1         81289
6    00001234568  01011234568     27811  0000123456801011234568            2         81289
7    00001234568  01011234568     27811  0000123456801011234568            3         81289

这可以以更快的方式完成吗？

python

1 个回答

  1. Best Answer

    您可以使用转换进行简单的分组：

    df["incident_src"] = df.groupby("check_string")["incident"].transform("first")

    那么 df 将是：

        from    to          incident    check_string        occurrences incident_src
npp                     
1   1234567 1011234567  12345       123456701011234567  1           12345
2   1234567 1011234567  45678       123456701011234567  2           12345
3   1234567 1011234567  45678       123456701011234567  3           12345
4   1234567 1011234567  45678       123456701011234567  4           12345
5   1234568 1011234568  81289       123456801011234568  1           81289
6   1234568 1011234568  27811       123456801011234568  2           81289
7   1234568 1011234568  27811       123456801011234568  3           81289

    我认为应该注意的是，如果您确定您的方法是occurrences按升序排序的，则此方法有效。如果没有，那么你可以确保这样的事情：

    df["incident_src"] = df.sort_values(["check_string","occurrences"]).groupby("check_string")["incident"].transform("first")

    结果分别是相同的。

    • 3

相关问题